当前位置: 首页 > article >正文

高等数学 第11讲 多元函数偏导数的计算与应用_复合函数求偏导_隐函数求偏导_条件极值

偏导数的计算

文章目录

  • 偏导数的计算
  • 1.复合函数求偏导
    • 1.1 复合函数一阶偏导
    • 1.2 复合函数二阶偏导
  • 2.隐函数求偏导
    • 2.1 直接法
    • 2.2 公式法(最重要)
    • 2.3 全微分形式不变性(好用,但是可以不会)
  • 3.多元函数的极值和最值
    • 3.1 无条件极值
    • 3.2 最值问题
      • 3.2.1 概要
      • 3.2.2 拉格朗日乘数法
      • 3.2.3 条件最值问题,转换为非条件最值问题
    • 3.3 其他方法
      • 3.3.1 利用均值或柯西不等式(重要)
      • 3.3.2 利用极坐标

最基本的偏导数计算不作讨论量,就是对x求偏导,把y看成常数。

1.复合函数求偏导

首先要明确链式求导法则的以下内容

在这里插入图片描述

1.1 复合函数一阶偏导

下面的例子都是以抽象函数为例的,因为抽象函数是更常考的。

在这里插入图片描述
1

1.2 复合函数二阶偏导

在这里插入图片描述

注意:若函数的两个二阶混合偏导数在区域内均连续,则这两个二阶混合偏导数相同,与求导次序无关

2.隐函数求偏导

隐函数求一阶导数有三种求法2.1-2.3,但是隐函数求二阶偏导只有一种求法,那就是直接法,所以求二阶的时候z看成(x,y),也意味着只有公式法才看成三元独立变量。

2.1 直接法

两端同时对x求导,把y看作常数,z看作z(x,y)

如z=z(x,y)是由方程z+ez=xy所确定,求一阶偏导数

2.2 公式法(最重要)

下面详细说明公式法的使用,分为两种情况

第一种情况是对于y=f(x)的情况,则有

d y d x = − F x ′ F y ′   \frac{dy}{dx} = - \frac{F_{x}^{'}}{F_{y}^{'}}\: dxdy=FyFx
第二种情况是,z是关于x和y的函数,移项化为F(x,y,z)=0,则,移项完这是x,y,z是三元独立自变量。
在这里插入图片描述

2.3 全微分形式不变性(好用,但是可以不会)

留白待整理

3.多元函数的极值和最值

多元函数中,极值点和驻点无关系

3.1 无条件极值

方法核心:利用必要条件得到所有可疑点,利用充分条件判别可疑点是否是极值点

1.寻找可疑点
计算一阶偏导数,一阶偏导数=0的点是可疑点,导数不存在的点也可能是极值点,但是在多元函数中,一般都是可导的。

2.判别是否是极值点
在这里插入图片描述

3.2 最值问题

3.2.1 概要

注意在最值问题中的范围问题,如在x2+y2≤25,x2+y2<25和x2+y2=25这是三类不同的题目
≤是边界+内部,<是内部,=0是边界
内部还是用无条件极值的方法做,边界用拉格朗日乘数法做,内部+边界问题那就是两种方法同时使用

3.2.2 拉格朗日乘数法

在这里插入图片描述

解上述方程组得到备选点pi,i=1,2,3,…,n,并求其最大值为umax,umin
在计算过程中,有些时候不要蛮力计算,要巧算

注意:一种转换思想,如求|式子|的最值,转换为求|式子|2的最值,e式子,转换为求式子的最值等的这种简化思想

3.2.3 条件最值问题,转换为非条件最值问题

有些题的约束条件ψ(x,y,z)φ(x,y,z)中能解出z=(x,y),则直接将其代入进f(x,y,z)中,得到f(x,y,z(x,y)),求其非条件极值

3.3 其他方法

在做题过程中,可以灵活的运用其他方法解决问题,如利用图像几何性质等做题

3.3.1 利用均值或柯西不等式(重要)

均值不等式:
在这里插入图片描述

柯西不等式:
在这里插入图片描述

3.3.2 利用极坐标

在某些有圆或椭圆的题目中,可以利用极坐标设x=rcosθ,y=rsinθ再去解决问题


http://www.kler.cn/news/323599.html

相关文章:

  • 什么是原生IP?
  • QT+ESP8266+STM32项目构建三部曲二--阿里云云端处理之云产品流转
  • 学习threejs,绘制二维线
  • 洛谷P1197.星球大战
  • 一道简单的css动态宽度问题?
  • List 循环遍历删除元素
  • 精通推荐算法31:行为序列建模之ETA — 基于SimHash实现检索索引在线化
  • rtsp 协议推流接收(tcp udp)
  • 【深度学习】(9)--调整学习率
  • 后端返回内容有换行标识,前端如何识别换行
  • Linux:LCD驱动开发
  • MySQL:进阶巩固-存储过程
  • 经典Python应用库一览
  • 智慧防灾,科技先行:EasyCVR平台助力地质灾害视频监测系统建设
  • VSCode配置C/C++开发环境
  • MMD模型及动作一键完美导入UE5-Blender方案(三)
  • c++反汇编逆向还原——for循环(笔记)
  • 全景可视化特点+可视化功能实现
  • 【系统规划与管理师】【案例分析】【考点】【问题篇】第10章 团队建设与管理
  • 【AHK】打造炒股利器系列——用关联数组(也称为对象或字典)继续简化语音报时器
  • Vue 组件的三大组成部分详解
  • 批量发送邮件:性能优化与错误处理深度解析
  • 【数据库】Java 中 MongoDB 使用指南:步骤与方法介绍
  • Cesium笔记 canvas定制billboard
  • 音频以及麦克风
  • 【生物服务器】DAP-seq与H3K4me3 ChIP-seq服务,推动表观遗传学研究的创新工具
  • BERT训练之数据集处理(代码实现)
  • 又一条地铁无人线开通!霞智科技智能清洁机器人正式“上岗”
  • 多线程事务管理:Spring Boot 实现全局事务回滚
  • MySQL篇(leetcode刷题100(排序和分组、函数))(一)(持续更新迭代)